《基于静止图像的车牌照定位改进方法研究 .pdf》由会员分享，可在线阅读，更多相关《基于静止图像的车牌照定位改进方法研究 .pdf（47页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、西 南 交 通 大 学毕业设计 (论文 )基于静止图像地车牌照定位改进方法研究年级: 2005 级学号: 20052298 姓名: 关伟专业: 自动化（交通信息工程及控制）指导老师 : 侯 进二零零九年六月精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 1 页，共 47 页院 系信息科学与技术学院专 业自动化（交通信息工程及控制）年 级 2005 级姓 名关 伟题 目基于静止图像地车牌照定位改进方法研究指导教师评语指导教师 (签章 )评 阅 人评语评 阅 人 (签章 )成绩答辩委员会主任 (签章 )年月日精选学习资料 - - - - - - - -
2、 - 名师归纳总结 - - - - - - -第 2 页，共 47 页毕 业 设 计 任 务 书班 级 交控 1 班 学生姓名关 伟 学 号 20052298 专 业 自动化（交通信息工程及控制）发题日期： 2009 年 01 月 01 日完成日期： 2009 年 06 月 15 日题目基于静止图像地车牌照定位改进方法研究题目类型：工程设计技术专题研究 理论研究软硬件产品开发一、设计任务及要求车牌照识别是智能交通系统地一个重要课题，在车辆管理、不停车收费等系统中有广泛应用.而车牌照定位又在车牌照识别技术中起着关键作用.由于多样化地牌照形式、不一致地户外光照条件、不同地车辆行驶速度及复杂背景等因
3、素，使得车牌照识别技术课题极具挑战性.因此对于车牌照定位技术要求有较好地鲁棒性和实时性. 具体要求如下： 1. 对给定地静止图像（假设存在车辆）进行预处理分析； 2. 通过削弱背景干扰缩小定位区域，并搜索可能地牌照位置； 3. 标记牌照区域并截取车牌照子图像. 为使后续工作顺利进行及实际应用地要求，该设计具体要达到地基本技术要求： (1)每张图片地处理时间不能大于0.5S；(2)车牌地获取准确率要达到95%以上 . 二、应完成地硬件或软件实验 1. 利用 MATLAB或 VC+ 编程实现车牌照地定位系统设计 2设计一个人机交互界面以显示和记录车牌照定位地结果三、应交出地设计文件及实物(包括设计
4、论文、程序清单或磁盘、实验装置或产品等) 1. 毕业设计论文（必须完全符合学校规范，内容严禁有丝毫地抄袭剽窃） 2. CD-R （含论文，程序，程序使用说明书，演示视频，盘面标注班级，姓名，专业，日期） 3. 英文翻译按学校规定，导师无特殊要求精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 3 页，共 47 页四、指导教师提供地设计资料 1. 研究报告介绍(包括课题背景、动机、内容、意义) 2. 计划说明书 3. 部分英文文献资料和Medialab LPR 图像数据库五、要求学生搜集地技术资料(指出搜集资料地技术领域) 1. 本课题相关领域国内外重
5、要论文及资料 2. MATLAB 、C+编程指南六、设计进度安排第一部分查阅相关资料，学习相关编程语言 (5 周 )第二部分编制程序并进行软件调试 (8 周)第三部分撰写毕业论文 (2 周)评阅及答辩 (1 周 )指导教师：年月日系主任审查意见：审 批 人：年月日注：设计任务书审查合格后，发到学生手上.西南交通大学信息科学与技术学院 2008 年制精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 4 页，共 47 页摘要智能交通是当前交通管理发展地主要方向，车牌照识别系统则是智能交通系统地核心，而车牌定位是其中最为关键地技术，对整个识别系统地性能起着
6、至关重要地作用.多样化地牌照形式、不一致地户外光照条件、不同地车辆行驶速度及复杂地背景等因素，都成为了车牌定位地难点 .从目前地研究成果来看，车辆牌照定位系统还远未达到完善地程度，利用各种图像处理地理论和方法进行车牌定位仍是当前研究地热点之一.所以，怎样得出一种好地定位方法，一直是现在研究人员努力地方向.本文就是针对车牌如何更好地定位，研究更为有效地车牌定位算法.对于车牌定位地方法很多，也都是各有特点，但是都存在一些问题，如算法普遍存在计算量大、定位不够准确等缺点.所以为了能够更好地定位车牌，本文采用基于区域特征地牌照定位技术.首先 ,此方法是对原始车牌进行预处理，其中包括图像灰度化和边缘检测
7、，并且通过数学形态学地方法来连接离散字符边缘 .其中形态学基本运算包括膨胀运算、腐蚀运算、闭合运算、开启运算等.由于形态学处理过程中车牌可能断裂，造成车牌不能最终准确地定位，本文利用自设定阈值和判定方法来连接相邻地区域，目地就是连接被断开地车牌，在连接后，此结果可以滤除一些干扰区域，并形成最终地车牌候选区域.然后从车牌图像固有地一些特征入手，例如车牌图像中车牌地长宽阈值范围地设定、车牌占整个图像地比例等，从候选区域中进一步判断和定位出最终地汽车牌照.本文所提及地算法全部用MATLAB编程构建成车牌定位地软件平台.该平台包含了上述地车牌定位所有步骤.并且利用本文中地算法，对实际获取地车牌进行了大
8、量实验，本系统获得了比较令人满意地结果.关键词：车牌照识别系统；车牌定位；车牌区域特征；边缘检测；数学形态学精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 5 页，共 47 页AbstractCurrently, intelligent traffic is the main direction of the development of the traffic management. Vehicle license plate recognition system is the hard core of the intelligent traff
9、ic system, and the positioning of vehicle license plate is the most pivotal technology in the recognition system, which plays an important role in the performance of the whole system. Some factors, such as variety of license forms, different outdoor lighting conditions, different vehicle speeds and
10、complex background, have became difficulties in plate positioning. Current technique of license plate recognition is far away from perfect. Using the theory and the technology to reform license plate recognition technique is one of the research keys. So, how to come up with a better location method,
11、 has been a study for the direction of staff efforts.This paper focuses on better positioning plate and attempts to find a more effective vehicle license plate locating algorithm. There are a lot of methods about vehicle license plate and each method has its feature. However, these methods also have
12、 some problems, such as, algorithm usually have large amount of calculation, positioning plate is not accurate enough and etc. So in order to locate plate better, the positioning technology license of the positioning technology license based on regional characteristics is used in this paper. First o
13、f all, in this method, the original license plate is pre-processed, including gray of image and edge detection and the edge of discrete characters is connected by the approach of mathematical morphology. Basic morphological operations include expansion computing, corrosion computing, closure operato
14、r, open computing and etc. Because the vehicle license plate is probable broken during the morphology processing procedure, which may finally cause the license plate can t be positioned accurately, the set threshold and identification methods are used to connect adjacent regions in this paper, the p
15、urpose is to connect the broken plate, after connecting, the results can filter out some interference regions, and form the final license plate inquire electoral district. Then starting from some of the inherent characteristics of license plate images, such as setting the threshold range of the leng
16、th and width of license plate in license plate image and the proportion of the total license plate images and etc, to further determine the final positioning of the vehicle license from the inquire electoral district.Algorithm mentioned in this paper, a software platform is constructed by MATLAB pro
17、gramming tool. This platform contains all the steps mentioned above. And using the algorithm introduced in this paper, extensive experiments are conducted over a lot of vehicle license plates obtained in real life, and this system have achieved a satisfactory result.Key words: Vehicle license plate
18、recognition system。License plate localization 。Regional 精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 6 页，共 47 页characteristics of plates。 Edge detection。 Mathematical morphology精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 7 页，共 47 页目录摘要 . IVABSTRACT . V第 1章 绪 论. 11.1选题地背景和意义及国内外研究现状. 11.1.1 选题地背
19、景和意义 . 11.1.2 国内外研究现状 . 21.2车牌定位地主要内容和研究方法. 21.2.1 车牌定位地主要内容 . 21.2.2 基于灰度图像地车牌定位方法地研究 . 31.2.3 基于彩色图像地车牌定位方法地研究 . 41.3本文地研究内容和系统体系结构. 51.3.1 车牌定位方法内容概述 . 51.3.2 系统地体系结构设计 . 51.4本文地结构安排 . 7第 2章 车牌定位地前期处理 . 82.1真彩色到灰度图像地转换. 92.2灰度图像地变换增强 . 102.3灰度图像地边缘检测 . 112.4本章小结 . 13第 3章 车牌区域定位地实现 . 143.1数学形态学处理
20、. 143.1.1 结构元素矩阵 . 153.1.2 膨胀运算 . 153.1.3 腐蚀运算 . 163.1.4 开启和闭合运算 . 173.2车牌区域定位地实现 . 193.2.1 车牌区域地合并 . 193.2.2 车牌区域地定位 . 223.3本章小结 . 25第 4章 二次车牌定位地算法和性能分析. 254.1二次车牌定位算法 . 264.2本论文算法地性能分析 . 29精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 8 页，共 47 页4.2.1 对于不同背景下地车牌定位分析 . 294.2.2 图片处理时间和准确度分析 . 324.3本
21、章小结 . 34结论 . 35致谢 . 36参考文献 . 37精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 9 页，共 47 页第 1章 绪 论1.1 选题地背景和意义及国内外研究现状1.1.1 选题地背景和意义近年来，智能交通系统(Intelligent Transportation System)越来越受到人们地重视，并逐渐应用在交通信息统计收集、路车间通信、停车场管理、不停车自动收费、车辆自动行驶等领域，而上述领域都与汽车牌照地自动识别有关1. 对汽车车牌地正确识别，既可以实现在交通路口、高速公路、军事要塞、机关门卫对过往车辆地实时登记、流
22、量统计和对防卫目标地安全警备，对肇事车辆、被盗车辆、犯罪车辆进行辨识和拦截；又可在汽车存车场对进出地车辆进行登记、统计和查询，以保障安全防盗，并可协助自动记费，这些是建设智能交通系统不可或缺地部分 2.车牌识别系统(License Plate Recognition System,LPRS)是智能交通中地重中之重，而车牌识别系统地流程如图1-1 所示 .图1-1 汽车牌照识别系统框图从图 1-1 流程图中不难看出，在车牌识别系统中，最重要地步骤就是车牌定位，定位地成功与否以及定位地准确程度将会直接决定后期能否进行车牌识别以及识别地准确度.由于在现实中，汽车地车牌图像受到光照、背景、车型等外界干
23、扰因素以及拍摄角度、远近等人为因素地影响，造成图像受光不均匀，车牌区域不明显，给车牌区域地提取带来了较大地困难.近年来不少学者针对车牌本身地特点，车辆拍摄地不良现象及背景复杂状况，先后提出了许多有针对性地定位方法，使车牌定位在技术和方法上都有了很大地改善.然而现代化交通系统不断提高地快节奏，将对车牌定位地准确率和实时性提出更高地要求.因而，进一步加深车牌定位地研究是非常有必要地，同时研究高效地汽车牌照定位算法也有着重要地应用价值.图像采集车牌定位字符分割字符识别输出结果精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 10 页，共 47 页1.1.2
24、 国内外研究现状国内外都进行了应用图像处理技术解决汽车牌照识别地研究，最早提出在上世纪80年代，这个阶段并没有形成完整地系统，而是就车牌识别地某个问题、某一种特定环境进行讨论，而且通常采取简单常用地图像处理技术来解决地.进入 90年代，由于计算机视觉地发展，开始出现了汽车牌照识别系统化研究，并且在1990年，第一个车牌识别系统研究成功.到目前为止国外地车牌识别系统地识别率已经达到90%左右 3.车牌定位在整个汽车牌照自动识别系统中地重要地位是显而易见地.在国外典型地牌照定位方法有： J.Barroso提出地基于水平线搜寻地定位3； R.Parisi等提出地基于DFT变换地频域分析方法 4 ；C
25、harl Coetzee提出地基于 Niblack 二值化算法及自适应边界搜索地定位方法5. 另外，灰度阈值、区域生长、边缘检测、频域和空间分割等方法也在传统地定位技术中得到大量应用.然而，由于车牌识别大多是在户外进行地，所以存在像天气等客观原因，使车牌定位系统不能很好地识别，甚至产生不能识别或错误识别地现象.在国外研究过一些关于识别地产品，这些产品大多是车牌识别系统，其中地核心部分都是车牌定位系统，这些产品有：1. 英国 IPI公司研发了 RTVNPR(Real Time Vehicle Number Plate Recognition)系统 .2. 交通检测系统 VNPR(V ehicle
26、 Number Plate Recognition).3. 新加坡地 Optasia公司自行研发了车牌识别系统IMPS(Integrated MultiPass System).4. CARINA 软件开发包是FORNIX 公司开发地一个自动可视监测识别汽车牌照地图像识别软件包 .5. LPR (License Plate Recognition) 是HSTOL 公司开发地系统，该系统能应用到停车场、入口控制、交通监测等场所，能检测和识别汽车车牌2.90年代以来，由于交通现代化发展地需要，我国也开始对车牌定位进行深入研究，并取得了一定成效.国内比较好地定位算法有:直线边缘检测法6- 8 。基于
27、灰度图像二值化地方法910 。基于神经网络地车牌定位方法1112 。基于彩色图像地车牌分割方法1314 26。基于行扫描地车牌定位算法等15.而在国内与车牌定位相关地公司有：上海高德威智能交通系统有限公司、北京汉王科技有限公司、亚洲视觉科技有限公司、智慧光科技有限公司、沈阳聚德视频技术有限公司、中国信息产业部下属地中智交通电子系统有限公司等2.此外，国内地很多高校和科研院所都做过汽车牌照自动识别系统地研究并开发了相关地产品，比如清华大学、浙江大学、西安交通大学、上海交通大学和中国科学技术大学等2.1.2 车牌定位地主要内容和研究方法1.2.1 车牌定位地主要内容车牌定位技术地出发点是通过车牌区
28、域地特征来判断牌照，可利用地车牌特征主要包括：精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 11 页，共 47 页1. 车牌区域内地边缘灰度直方图统计“ 特征 ” ，车牌区域内地边缘灰度直方图具有两个明显且分离地分布中心.2. 车牌地几何特征，即车牌地高、宽、高宽比在一定地范围内16.3. 车牌区域地灰度分布特征，穿过车牌地水平直线其灰度呈现连续地峰、谷、峰地分布.4. 车牌区域水平或垂直投影特征，车牌区域水平或垂直投影呈现连续地峰、谷、峰地分布. 5. 车牌形状特征和字符排列格式特征，车牌有矩形边框、字符排列符合一定地标准.目前，主要通过两条技
29、术路线进行车牌定位地研究.一条技术路线是基于灰度图像地车牌定位方法 .另一条技术路线是基于彩色图像地车牌定位方法.早期由于受计算机运算速度和内存大小影响，考虑到实时性，车牌定位主要是基于灰度图像处理技术，包括灰度阈值方法、频域和空间分割方法、连接元素分析方法以及Hough变换法等，可大致分为如下几类：1. 基于直线检测地方法这类方法一般采用Hough变换等方法来检测直线（车牌周围边框形成） .Hough变换计算量较大，对于边框不连续地实际车牌，需附加大量地运算.2. 基于阈值化地方法图像经过阈值化得到字符和背景分离地二值图像是这类方法地特点.目前已经提出了多种阈值化策略，但简单算法二值化效果不
30、好，复杂算法计算时间长、计算量大限制了实际应用.3. 基于灰度边缘检测方法此类方法通常利用车牌区域局部对比度明显和灰度有规律地纹理特征来定位 .中国车牌类型较多，在不同光照条件下车牌对比度更加不统一，需要进行图像增强处理，还需要考虑图像中与车牌特征非常相似地非车牌区域地排除问题17.1.2.2 基于灰度图像地车牌定位方法地研究基于灰度图像地车牌定位具体方法有：中国科学院地刘智勇，刘迎建等人针对车牌特点，设计了一个变换函数突出其特点从而进行车牌地提取18. 这种方法采用最大方差法来进行二值化阈值地选取，并对二值化后地图像进行水平扫描，找出相对小地而且扫描线变化剧烈地区域作为候选区域，再以适当地变
31、化率确定车牌地位置 .该方法在实践中取得了良好地效果，但是在车牌提取时可能出现“ 反工 ” ，造成处理时间太长，不能很好地满足实时性.南京航空航天大学地刘效静，成瑜等人提出了基于车牌字符变化特点地自动扫描识别算法19. 这种方法是利用汽车牌照中字符笔划变化频率比较稳定地特点，即笔划间隔地像素是稳定在某一个范围内，笔划数也存在下限地特点.设定阈值，通过扫描确定上下边界位置和左右边界位置，再在已缩小地范围内用上述方法进行递归检测，直到牌照位置比较稳定为止.这种方法在拍摄角度、距离、光线都有很大调整地情况下，能够快速准确定位、分割车牌.小波分析是当前应用数学和工程学科中一个迅速发展地新领域，经过二十
32、多年地探索和研究，重要地数学形式化体系已经建立，理论基础更加扎实.与 Fourier 变换、 Gabor 变换相比，小精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 12 页，共 47 页波变换是空间(时间 )和频率地局部变换，因而能够有效地从信号中提取信息.华南理工大学地戴青云和广东工业大学地余英林提出了基于小波与形态学地车牌图像分割方法20.这种方法通过小波多尺度分解提取出纹理清晰，具有不同分辨率、不同方向地边缘子图像，其水平方向低频、垂直方向高频地这一分量主要代表车牌地目标区域.然后，用数学形态学方法对小波分解后地细节图像进行一系列地形态运算
33、，进一步消除无用信息和噪音，以找准车牌位置.实验结果表明该方法效果较好.当然除了上面介绍地几个具体地关于灰度车牌定位实例外，还有其他地方法，这里就不再赘述了 .上述基于灰度图像方法，其缺点是当车牌图像地对比度较小或光照不均匀以及有类似车牌纹理特征地干扰时，误识率增加且无法提供车牌地颜色信息.颜色是车牌地重要特征，不同种类车辆地车牌具有不同地颜色模式，因此，交通监控、不停后收费等应用领域已对车牌识别系统提出了颜色要求.近年来随着计算机技术地飞速发展，很多学者已开始应用彩色图像处理技术进行车牌定位，采取地主要方法有：1应用神经网络对图像进行颜色分割，然后计算车牌底色地水平和垂直投影值，最后根据车牌
34、地宽高比来定位车牌.2采用彩色边缘检测与区域生长相结合地方法来定位车牌.3采用彩色、空间、距离和相似度进行车牌底色地颜色分割；再采用投影法根据车牌宽高比确定车牌区域；最后对候选车牌区域灰度图像进行纹理分割提取车牌.4利用车牌字符边缘颜色对进行分割.根据车牌颜色特征、车牌背景与字符等，也就是说字符边缘两侧像素地颜色具有固定搭配地特点，判断剥离不符合车牌底色地非车牌区域，能够将车牌底色褪色或虽具有和车牌相似地几何及纹理特征，但不符合颜色特征地伪车牌剔除17.1.2.3 基于彩色图像地车牌定位方法地研究基于彩色图像地车牌定位具体方法有：中国科技大学地陈锻生等人提出了一种在复杂背景下彩色图像汽车牌照提
35、取分割技术21.此项方法提取了汽车牌照自身标准模式地多种重要特征，综合了局部特征分布、形状、彩色等知识，如局部区域地宏纹理(水平方向上地灰度和色度跳变地平均数)、体态比、密集度和颜色组合等信息 .首先利用自适应阈值对梯度图求出二值化边缘区域；然后利用数学形态学运算和连通域形状分析，初步筛选出候选地车牌区域，再利用彩色分析，挑选出正确地车牌区域，并实现了牌照地倾斜校正和边框线与铆钉去除；最后运用投影分析分割出车牌地各个字符.实验结果表明该技术方案在实时性、鲁棒性和正确率等方面都能够达到实用技术指标，但该方法在速度估算、最佳角度图像捕获和非正面车牌图像地几何透视校正等方面存在不足，还需要进一步地研
36、究.华中科技大学图像识别与人工智能研究所地任仙怡等人提出了一种基于颜色信息地车牌定精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 13 页，共 47 页位策略 22.首先将图像从RGB 颜色模型转化为HSI 模型，利用颜色信息对输入图像进行彩色粗分割，得到了为车牌颜色地一些区域。然后将分割结果中地伪目标区域(即除了车牌区域外地其它区域 )分为两类：一类是与汽车牌照颜色相近地背景；一类是可能和牌照颜色相近地汽车外壳，分别进行处理。最终利用投影法得到准确地牌照位置.实验结果表明该方法效果较好.浙江大学地张引等人提出了彩色边缘检测算子ColorPrewi
37、tt 和彩色边缘检测与区域生长相结合地车牌定位算法23，这种方法地主要思想是通过边缘检测算子ColorPrewitt对彩色图像进行边缘检测，并借助数学形态学地膨胀技术实现区域地连通，采用区域生长法标记得到一些候选区域，最后利用车牌地先验知识，剔除伪车牌区域，确定真正地车牌区域.该算法简单，定位准确率高，适应性强，通用性较好.在基于彩色图像地车牌定位处理方法上，虽然从颜色地角度处理要更直观些，但是由于对于三维地彩色处理有时候会比较麻烦，而且对于车牌地底色不固定地情况需要进行多种情况地考虑，尤其是对于不同国家地不同车牌，因为不同国家地不同车牌地底色都是不一样地，也给此方法地运用带来了一定地困难.1
38、.3 本文地研究内容和系统体系结构1.3.1 车牌定位方法内容概述本文地主要研究内容：通过将真彩色图像转化为灰度图像，并且对灰度图像进行一系列地预处理，其中预处理包括了灰度图像地线性拉伸和边缘检测，并通过数学形态学反复对图像进行处理，以此来去除图像中一些干扰背景，并通过一胞元数组记录预处理后区域地坐标，同时利用本文中采用地区域合并算法将一些区域合并起来，同时得到候选区域，然后利用先验知识(包括车牌图像中车牌地长和宽地范围、车牌长宽比、车牌长宽占整个车牌图像地比例阈值)，进一步从这些候选区域中判断和筛选出汽车地车牌.最后，为了提高定位精度，对本文中地算法进行了一些改进，并且对于各种不同背景图像定
39、位给以处理效果分析，同时对于本文中系统地定位准确性和时间处理性这两个性能进行了分析.1.3.2 系统地体系结构设计本论文采用方法地大致基本流程如图1-2所示 .精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 14 页，共 47 页开始打开并读取图像文件真彩图像转换为灰度图像进行灰度线性处理边缘检测提取数学形态学处理腐蚀数学形态学处理膨胀记录形态学处理后图像中各区域坐标连通区域判断除去非车牌根据先验知识定位车牌区域原图中标记定位车牌车牌定位结束图 1-2 车牌定位流程图本论文设计地车牌定位系统是将真彩图像转化为灰度图像后，再通过一系列地预处理，并利用
40、预先设定地先验知识进行车牌区域地检测以及区域标定，从而达到对于不同图像车牌地定位.其中，对原图像地灰度图像进行地预处理，包括了数学形态学运算和连通性判断，最终得到可能地车牌区域.该系统采用地是MATLAB 中涉及地一些图像函数，通过对输入地图像文件按照论文中提到地方法进行地各种处理，可以对大多数JPG(Joint Photographic Group)格式地车牌图像文件进行检测定位.本文设计地车牌定位系统地主界面如图1-3 所示 .精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 15 页，共 47 页图 1-3 车牌定位系统地主界面图 1-3 中涉
41、及了对于输入图像地几个重要地处理步骤，包括原真彩色图像向灰度图像转换、灰度图像地边缘+腐蚀处理、开运算+膨胀处理、在灰度图像中显示合并区域后地候选区域，以及最后从原真彩色图像中定位出汽车牌照，同时本系统界面有处理时间显示部分，同时为了从车牌识别系统地整体性考虑，还在文件菜单中设置了保存车牌地功能，可以将已定位出来地车牌保存起来 .界面中每个功能地具体实现将在后面地章节中详细讲解.1.4 本文地结构安排根据研究内容，本文共分成四章，各章节安排如下：第一章，绪论.介绍了课题地背景，意义及车牌定位系统技术地发展和国内外在该领域最近地研究现状，同时也涉及了车牌定位地一些具体内容和研究方法及本文中地一些
42、定位方法和结构设计，为论文展开作好铺垫.第二章，在本文中是车牌定位系统地前期预处理，包括了真彩色图像向灰度图像地转换以及灰度图像线性变换和边缘检测地相关理论和实验结果地实现.第三章，是车牌定位地实现，介绍了基于边缘检测后地进一步处理，包括了利用数学形态学地处理，以及在形态学处理后地区域合并得到候选区域，并利用先验知识阈值从候选区域中筛选出最终地汽车牌照.精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 16 页，共 47 页第四章，是对于本文中地算法进行适当地改进，以此来提高对于车牌定位地精度，并且对于各种不同背景图像定位给以处理效果分析，同时在本章
43、地最后对于本文中地车牌定位系统进行了定位准确性和图像处理时间地功能分析.第 2 章 车牌定位地前期处理车牌定位是指从图像中找到车牌所在位置，实质上是找到边缘所围车牌区域地四个端点或是四条边缘线，并将含有车牌图像地那块区域取出，供后面地模块使用.它地实现需要使用图像分割、模式识别等多方面地知识.车牌定位是整个车牌识别系统中难度最大、最关键地一环.车牌未能正确定位，后面地几个模块也就无从谈起，车牌定位地不准确对车牌识别系统来说是灾难性地，它可以导致整个识别过程地失败.最大限度地利用车牌区域地特点来定位，是车牌定位算法地出发点 .在基于绪论中提到过地一些车牌定位地方法后，下面从此章开始来介绍本论文采
44、用地一种基于区域特征地处理方法来进行车牌地定位.精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 17 页，共 47 页基于静止图像地车牌照定位，第一步就是解决如何减少干扰区域，本文就是通过预处理来降低车牌地识别难度，预处理地好坏对于车牌定位地后续工作影响很大，如果处理地效果好，那么后面地处理也会更好，从而使最后地车牌定位无论从精度，还是处理时间上都会有较好地结果 .2.1 真彩色到灰度图像地转换为了从静止地彩色图像中定位出车牌，首先把真彩图像转化为灰度图像，原因是在真彩色图像中，由于受到光照条件、车牌颜色地不固定及复杂地背景等不确定因素地影响，致使
45、用灰度图像要方便一些，同时为后续地边缘检测和图像处理提供了方便.真彩色即RGB 图像，在MATLAB中存储为3nm地数据矩阵 .数组中地元素定义了图像中每一个像素地红、绿、蓝颜色值.需要指出地是，RGB 图像不使用Windows 色图 .像素地颜色由保存在像素位置上地红、绿、蓝地灰度值组合来确定.图形文件格式RGB 图像存储为24 位地图像，红、绿、蓝分别占8 位，这样可以有1000 多万种颜色 (224=16777213)2425.在 MATLAB中地灰度图像是一个数据矩阵I，而矩阵I 中地数据均代表了在一定范围内地颜色灰度值 .MA TLAB灰度图像存储为单一地数据矩阵，数据矩阵中地每个元
46、素分别代表了图像中地像素 .本论文中通过利用MA TLAB 中 rgb2gray 函数将真彩色图像转换成灰度图像，该函数地调用格式是： I=rgb2gray(RGB).通过调用 I=rgb2gray(RGB) 后图像效果如图2-1 所示 . a) 原图 b) 灰度图像图 2-1 真彩图像转换为灰度图像精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 18 页，共 47 页2.2 灰度图像地变换增强由于车牌定位系统是全天候工作性质，若无理想地光照明，或者自然光照过强，造成车牌和其他背景地对比度严重不足时，会使牌照定位与分割十分困难.因此，人们采用了各种
47、有效地增强图像对比度地方法，其中包括了：线性灰度变换、分段线性变换和非线性灰度变换方法.灰度变换增强地原理是：在图像空间进行地灰度变换是一种点处理方法，它将输入图像中地每个像素),(yx地灰度值),(yxf，通过映射函数T() ，变换成输出图像中地灰度值),(yxg，即公式 (2-1)所示 .),(),(yxfTyxg (2-1)线性灰度变换是在曝光不足或曝光过度，或景物本身灰度较小地情况下，图像灰度可能会局限在某一个很小地范围内，致使图像中细节分辨不清.对于灰度局限在某一个很小范围内地数字图像，采用线性函数对图像地每一个像素作线性扩展，扩大像素地对比度，将有效地改善图像视觉效果 .该方法也称
48、线性拉伸，即将输入图像（原始图像）灰度值地动态范围按线性关系公式拉伸扩展至指定范围或整个动态范围.线性拉伸采用地一般公式为(2-2)所示 .其中 C、R 地值由输出图像地灰度值动态范围决定.( , )( , )g x yf x y CR (2-2)假 定 原 始 输 入 图 像 地 灰 度 取 值 范 围 为,maxminff， 输 出 图 像 地 灰 度 值 取 值 范 围,maxmingg，其变换公式如(2-3)所示 .minminmaxminmaxmin)(),(),(gggfffyxfyxg (2-3)一般要求minminfg，maxmaxfg.对于 8 位灰度图像则有公式(2-4).
49、255),(),(minmaxminfffyxfyxg (2-4)如图 2-2 给出了线性拉伸示意图，它表示原始输入图像灰度范围不加区别地扩展. g 精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 19 页，共 47 页nmOminmfmaxnff图 2-2 线性拉伸示意图从图 2-2 可以看出，进行线性拉伸前，图像灰度集中在,nm之间，而进行线性拉伸后，图像灰度集中在,nm之间 .可见，灰度范围得到了拉伸.基于前面介绍地关于灰度图像线性拉伸地理论方法，本论文中则选用地是式(2-4) 所示地线性灰度变换地方法，其未经拉伸和经过线性拉伸地对比图如图2
50、-3 所示 . a) 未拉伸地灰度图像 b) 经拉伸后灰度图像图2-3 灰度图像进行线性拉伸从图 2-3 中可以发现图2-3 a)和图 2-3 b)两图中明暗程度略有不同.这一步最主要地目地还是在于灰度地范围变化，为后面地处理部分做准备.2.3 灰度图像地边缘检测边缘检测是所有基于边界分割方法地第一步.两个具有不同灰度值地相邻区域之间总存在着边缘，物体地边缘是以图像局部特性地不连续性形式出现地，图像地边缘检测是车牌定位中提取车牌边缘地一个重要属性.由于原始图像一般是高分辨率、大尺寸地图像，其中有大量地信息是多余地，需要从中抽取不变量，简化信息，这就意味着要去除一些不必要地信息而尽可能利用物体地